文獻標識碼: A
DOI:10.16157/j.issn.0258-7998.2017.02.026
中文引用格式: 趙思聰,黃磊,申濱. 基于多時隙融合的LTE-U空閑信道評估算法[J].電子技術應用,2017,43(2):107-111.
英文引用格式: Zhao Sicong,Huang Lei,Shen Bin. Multi-slot fusion based clear channel assessment algorithms for LTE-U systems[J].Application of Electronic Technique,2017,43(2):107-111.
0 引言
LTE-U(LTE in unlicensed spectrum)技術能夠讓運營商將其LTE系統(tǒng)部署于非授權頻段,利用LTE的技術優(yōu)勢,提高非授權頻段的頻譜效率并緩解授權頻段的通信壓力[1]。
目前關于LTE-U的研究主要集中在如何讓LTE-U與WiFi在同頻段和諧共存?,F有基于公平性考慮的方案是讓LTE-U采用先聽后說(Listen Before Talk,LBT)信道接入機制[2],即LTE-U設備在接入信道前先進行空閑信道評估(Clear Channel Assessment,CCA),若在CCA過程中未發(fā)現WiFi信號,即視信道空閑,方可占用信道并傳輸數據,否則將繼續(xù)感知等待。文獻[3]提出了一種依據目標信道上WiFi系統(tǒng)流量大小而自動調整傳輸時長的自適應LBT機制,配合空閑信道搜索及跳轉算法,實現了LTE-U與WiFi在非授權頻段的良好共存。文獻[4]為LTE-U的不同應用需求設計了同步和異步兩種LBT機制,同時通過引入競爭窗和隨機退避算法降低了數據包的碰撞概率。文獻[5]通過研究自適應競爭窗提出了一種增強的LBT機制,使得LTE-U與WiFi公平共存的同時又有效減小了傳輸時延,保證了服務質量。文獻[6]通過設計自適應空閑周期提出了一種更加公平高效的LBT機制,提高了共存系統(tǒng)的整體吞吐量并保證了接入的公平性。
本文基于LBT框架提出了一種多時隙CCA(Multi-Slot CCA,MSCCA)方案,從CCA的角度進行優(yōu)化設計;基于多時隙的結構,本文分別從軟數據融合(Soft Data Fusion,SDF)和硬判決融合(Hard Decision Fusion,HDF)對MSCCA進行進一步研究;提出了4種數據融合算法,同時將判決復雜度更低的HDF引入到此結構,并得出多時隙最優(yōu)HDF準則。理論分析和實驗結果表明,本文所提方案和算法可使CCA變得更加靈活,且對信道狀態(tài)的判定更加準確,進而提升LTE-U與WiFi同信道共存的效率。
1 系統(tǒng)模型
WiFi(802.11a)采用OFDM調制,支持多種信道帶寬。OFDM符號可表示為X(0),X(1),…,X(Nt-1),經串并變換和IFFT后,第n個子載波上的時域基帶信號為:
其中n=0,1,…,Nt-1,Nt是子載波個數,也是IFFT的長度。添加長度為Nc(Nc<Nt/4)的循環(huán)前綴后,第m個OFDM符號表示為:
其中H為Nt+Nc階信道傳輸函數矩陣,H0、H1分別表示目標信道上WiFi OFDM信號不存在和存在的兩種檢驗假設。
2 CCA方法
2.1 基于ED的CCA
LBT下的CCA采用的是單節(jié)點ED。CCA周期內在時域上的采樣信號可表示為(設采樣數為N):
根據協(xié)議,CCA時長不少于20 μs[2],WiFi OFDM符號周期為4 μs[7],在圖1所示的采樣情形1下,20 μs可得到5個OFDM符號的信息。當數據包與采樣周期完全對齊或錯開時,ED-CCA可相對較好地判斷信道狀態(tài)。而在實際中,由于WiFi數據包長的不確定和LTE-U設備請求接入信道時間點與WiFi時序異步,使得實際采樣會發(fā)生不完全對齊的情況(如圖1情形2所示)。當發(fā)生前向不完全對齊時,少量WiFi信號出現在CCA后半段,噪聲部分稀釋了包含信號的部分,發(fā)生漏檢的概率增大。而后向不完全對齊時,有較多信號出現在CCA周期的前半段,信號部分抬高了噪聲部分的等效功率,導致不能按需將信道狀態(tài)判為空閑,使得設備需等待至下一個周期再進行接入嘗試,造成頻譜資源的浪費。此外CCA結構十分固定,只能通過設置采樣時長來適應共存環(huán)境,不能根據現實需求靈活地應用其他評估算法。
2.2 多時隙CCA
針對2.1節(jié)中描述的問題,本文提出了如圖2所示的MSCCA方案,將CCA周期劃分為多個時隙。利用接收信號的特征值等信息對不同時隙的數據進行融合,增加整體判決準確性。另外從數據處理的角度考慮,可將判決復雜度更低的HDF應用于此結構,即每個時隙單獨作出判決,然后將各時隙的判決結果進行融合,作出最終判決。相比傳統(tǒng)CCA,MSCCA的結構使得其在融合方式的選用上更加靈活多變,配合優(yōu)良的融合算法可帶來更好的判決性能。
2.2.1 MSCCA-SDF
MSCCA-SDF指將各時隙的接收數據按一定的方法融合,利用融合數據做最終判決。設MSCCA的時隙數為S,故根據式(4)可得每個時隙內的采樣數為N′=N/S,第i個時隙內的采樣信號可表示為:
(1)最優(yōu)主分量分析:首先考慮采用最優(yōu)主分量分析法(Optimal Principal Component Analysis,OPCA)找出接收信號的最優(yōu)主分量對數據進行融合。即選出可使得接收信號信噪比最大的S行矩陣Ω來合并接收信號:z(n)=ΩTy(n),n=0,1,…,N′-1。然后利用z(n)生成檢測統(tǒng)計量:
式中||·||2為向量二范數,由文獻[8]的推導可得最優(yōu)合并矩陣Ω為Rx最大特征值對應的特征向量v1的元素組成的對角矩陣,即:Ω=diag(v1)。
(2)盲主分量分析:由于OPCA需預知WiFi信號的先驗信息,這在實際環(huán)境中難以實現??紤]到WiFi信號的統(tǒng)計協(xié)方差矩陣Rx和LTE-U設備采樣信號的統(tǒng)計協(xié)方差矩陣Ry滿足如下關系:
Ry與Rx有著相同的特征向量,故采用一種通過接收信號樣本來估計特征向量的盲主分量分析法(Blind Principal Component Analysis,BPCA),利用估計的特征向量來融合接收數據。BPCA步驟如下:
④與門限值進行比對判決。
(3)特征值比值檢測:令λmax和λmin表示Ry的最大和最小特征值,βmax和βmin表示Rx的最大和最小特征值,根據式(13)可知特征值之間存在如下關系:
③利用特征值的比值生成全局檢測統(tǒng)計量:
④與門限值進行比對判決。
(4)特征值加權合并:利用接收信號協(xié)方差矩陣的特征值對所有時隙進行不均等加權(Eigenvalue Weighting Combining,EWC),重新分配各時隙所占比重,可增加不完全對齊時的判決性能,EWC算法具體步驟如下:
④與門限值進行比對判決。
當采樣為前向不完全對齊時,EWC予以后數個時隙更高的權重,使得接收信號中的WiFi信號分量得到放大和增強,從而降低漏檢概率。當采樣為后向不完全對齊時,EWC使得接收信號中的噪聲分量得到放大和增強,從而可降低虛警概率。
2.2.2 MSCCA-HDF
SDF因處理數據量較大且算法復雜度較高將帶來較大的系統(tǒng)開銷和判決時延。相比之下,HDF算法復雜度低且MSCCA結構下單個時隙處理的數據量較少,可一定程度上克服SDF存在的問題。此外HDF更方便于理論推導以適應不同的CCA場景。
MSCCA采用HDF時,每個時隙單獨作出二元判決,然后將各時隙的判決結果用下式的方式融合:
根據式(18)得出信道是否被占用的結論。顯然,當K=1時相當于OR準則,當K=S時相當于AND準則。若S個時隙均收到WiFi信號,且二元判決使用相同的ED閾值ξ,將每個時隙的平均虛警率表示為Pf,平均檢測概率表示為Pd,令漏檢概率Pm=1-Pd。因此MSCCA硬判決的虛警概率為:
那么存在一個最優(yōu)融合準則使得Qf+Qm(總錯誤率)最小。根據推導可得出結論:當S個時隙均存在數據且已知瞬時信噪比,最優(yōu)融合準則是使得Qf+Qm最小的K,且K的取值如下:
通常情況下Pf和Pm同階,也就是α≈1,即最優(yōu)K取接收到WiFi數據的時隙數的一半(S/2)。當α≥K-1時,OR準則是最優(yōu)融合準則。當α→1,即Pm<<Pf時,AND準則是最優(yōu)融合準則。
多時隙HDF的算法復雜度較低,可降低系統(tǒng)開銷和判決時延。此外HDF還可根據需要靈活地選用融合準則,如需最大化保護WiFi用戶免受LTE-U用戶因漏檢而造成的干擾時,可采用OR準則;如需追求頻譜資源利用率的最大化,可采用AND準則。
3 仿真與分析
3.1 參數設置
設定CCA時長為20 μs,時隙數S為5。將WiFi數據發(fā)送端部分參數及值列至表1。
首先采用恒定虛警率(設置為0.1)的仿真考察各算法在不同對齊狀態(tài)下對信道狀態(tài)的判斷能力,算法性能指標有檢測概率和準確率。隨后考察LTE-U與WiFi同信道共存狀態(tài)下,采用不同算法的LTE-U設備接入信道時與WiFi發(fā)生數據包碰撞的概率。
3.2 MSCCA軟數據融合
(1)仿真1:考察前向不完全對齊(LTE-U設備需檢測到WiFi數據存在)時,采樣周期與WiFi數據包在多種對齊狀態(tài)下,各算法對信道狀態(tài)的判斷能力。
從圖3可看出,OPCA由于預知WiFi信號的相關信息,檢測性能較優(yōu)。當采樣周期內包含較少WiFi數據(對齊20%)時,BPCA與EWC均擴大了WiFi信號的比重,從而有著較好的檢測能力。采樣周期內包含較多WiFi數據時,EWC和ED-CCA的檢測性能較好。因此EWC在各情況下均有著不錯的性能。
(2)仿真2:考察后向不完全對齊時(需將信道狀態(tài)判定為忙),各算法對信道狀態(tài)的判斷能力。
從圖4可以看出,在采樣周期內包含較少WiFi數據(即對齊20%)時,EWC有效擴大了的噪聲功率比重,可教準確地判斷信道狀態(tài)。ER在此有著不錯的性能,但從圖3可看出,其檢測性能較弱。OPCA對WiFi信號十分敏感,在此不能按需將信道判為閑。需說明的是,圖中的準確率是指后向不完全對齊時,需要將信道狀態(tài)準確判為空閑的概率。隨著信噪比的增大,感知周期內的WiFi信號功率會隨之增大,進而使得各算法將信道判為空閑的概率降低。
綜上,由于EWC予以后數個時隙更高權重,使得其在不完全對齊時對信道狀態(tài)的判定都較為準確,而完全對齊狀態(tài)下也有著不錯的性能。因此EWC算法適用于采樣周期與數據包經常發(fā)生不完全對齊的情況。OPCA需要先驗信息,實際中難以實現。BPCA在前向不完全對齊且采樣周期內包含較少WiFi數據時有不錯的性能,但在后向不完全對齊時判決性能欠佳。ER在前向不完全對齊時的判決性能較差,現實使用中難以達到性能要求。
3.3 共存碰撞概率
下面考察LTE-U與WiFi同信道共存時,WiFi業(yè)務量處于高、中、低3種狀態(tài)下,LTE-U分別采用ED-CCA和基于多時隙的融合檢測算法隨機接入到信道時與WiFi發(fā)生數據包碰撞的概率大小。
從圖5可看出,當WiFi信號多為長數據包時(即采樣周期與數據包發(fā)生不完全對齊的情況較少),基于多時隙的EWC與ED-CCA的性能十分接近,BPCA相對較弱。而當WiFi信號為連續(xù)短數據包時(即發(fā)生不完全對齊的概率增大時),EWC對信道狀態(tài)的判斷力相對ED-CCA提升較為明顯(如圖6所示),有效降低了數據包碰撞的概率。
4 總結
本文針對傳統(tǒng)CCA在不完全對齊狀態(tài)下對信道狀態(tài)的判斷不夠準確且結構過于單一的問題提出了MSCCA結構。結合提出的數據融合算法改善了不完全對齊狀態(tài)下的信道狀態(tài)評估能力,此外引入了有著更低計算復雜度和更低系統(tǒng)開銷的HDF算法, HDF可根據系統(tǒng)需要快速選用相應的融合準則而提高信道狀態(tài)評估的靈活性。后續(xù)研究可根據接收數據的信息自適應地劃分時隙,另外,不完全對齊狀態(tài)下的自適應最優(yōu)HDF準則研究也值得深入探討。
參考文獻
[1] 趙思聰,黃磊,申濱,等.LTE-U:未來移動通信系統(tǒng)發(fā)展的助推劑[J].電信科學,2016,32(4):114-125.
[2] 3GPP.Study on licensed assisted access to unlicensed spectrum(Release 13):3GPP TR 36.889[S/OL](2014).[2015-11-27].http://www.in2eps.com/3g36/tk-3gpp-36-889.html.
[3] Al-DULAIMI A,AL-RUBAYE S,NI Q,et al.5G communications race;pursuit of more capacity triggers LTE in unlicensed band[J].IEEE Vehicular Technology Magazine,2015,10(1):43-51.
[4] BHORKAR A,IBARS C,PAPATHANASSIOU A,et al.Medium access design for LTE in unlicensed band[C].IEEE Wireless Communications and NETWORKING Conference Workshops,2015.
[5] TAO T,HAN F,LIU Y.Enhanced LBT algorithm for LTE-LAA in unlicensed band[C].IEEE International Symposium on Personal,Indoor,and Mobile Radio Communications,2015.
[6] KO H,LEE J,PACK S.A fair listen-before-talk algorithm for coexistence of LTE-U and WLAN[J].IEEE Transactions on Vehicular Technology,2016,65(12):10116-10120.
[7] 羅亞男.基于IEEE802.11a的OFDM系統(tǒng)的研究[D].北京:北京交通大學,2008.
[8] ZENG Y,LIANG Y C,ZHANG R.Blindly combined energy detection for spectrum sensing in cognitive radio[J].IEEE Signal Processing Letters,2008,15:649-652.
作者信息:
趙思聰,黃 磊,申 濱
(重慶郵電大學 移動通信技術重點實驗室,重慶400065)